01 / 来路
02 / 实测
03 / 证据链
01 / Criteria
So that intelligence can be bounded, inspected and reproduced.
我们不训练模型，不参与参数竞赛。我们交付的是模型与真实业务之间的那一层：判据、边界与证据。
先写清楚什么算对、什么算越界。判据在运行之前存在，不随输出回头修改。
每次工具调用、每个决策分叉都在判据之下发生。越界不是事后审计，是当场拦住。
拦截、放行、复算，三件事都留痕。同一份输入，任何人都能跑出同一个结论。
结论不是被相信的，是被重跑出来的。同一输入、同一哈希，必须得到同一结果。
敢说做不到，才让做到更可信。边界不是限制，是设计的一部分。
02 / Five Operations
Five self-operations, not five features.
治理只是其中之一。五元共同回答智能如何审视自己、约束自己、改变自己、衡量自己、记住自己；每一元都公开建成度。
知道自己在做什么，也知道错在哪里。用批判性分析、问题溯源、反事实推演与自我检查，让智能不停留在未经核验的答案上。
只在被允许的边界内行动。把意图、授权与输出校验放进运行时。越界能被拦，过程有记录，结论可复核——治理是最成熟、最先进入真实场景的一元。
在能力边界处，学习如何跨越边界。边界感知、差距分析、自生成、验证、递归。现有工程包含规则生成与候选技能产出；统一且完全自动的在线进化闭环，仍按在研边界表述。
不只计算成本，也算清贡献。从贡献、信用、负熵与耦生关系建立计量模型。当前拥有模型与算法资产；行为账户、分账引擎与 A2A 结算网络不作为已交付产品。
让经验留下，让调用发生。KMWI 四层记忆（知识 / 记忆 / 智慧 / 智能）、知识晶体与技能、算法、工具库共同构成知识底座，使经验可保存、可索引、可复用。
03 / The Other Axis
The stronger the intelligence, the more it must operate on itself.
模型厂商在能力轴上回答“智能有多强”。元构在另一条轴上回答另一个问题：智能能审视、约束、改变、衡量、记住自己吗？
智能有多强
推理 · 知识 · 多模态 · 基础模型
能对自己做多少事
审视 · 约束 · 改变 · 衡量 · 记住
两条轴不冲突。模型越强大、越自主，越需要一层能审视与约束自身的运行机制。元构把这一层称为元智能（Meta-Intelligence Layer，MIL）：不是“更高级的智能”，而是“关于智能的智能”——智能对自身的操作层。
不做基础大模型。不与模型厂商比参数。模型越强大、越自主，越需要一层能审视与约束自身的运行机制。
不做通用 Agent 框架。不再增加一个编排工具。元构工作在模型与应用之间，为既有框架补上判据、执行与证据。
不索取数据主权。面向客户环境与私有部署设计。具体数据流向、留存与权限，按实际部署和协议清晰验收。
进一步边界：不做 AI 治理咨询；不以指挥或操控智能为定位；现阶段不做垂直应用；不做宿命论断，也不替代医疗、投资与法律决策。
04 / Who
In the end, who can now trust intelligence with more?
元构增强的不是“智能有多强”，而是“智能对自己能做多少事”。价值最终落在授权、证据、演进与记忆的日常工作中。
让交付，更容易被验收。
在请求和输出链路中加入判据检查，留下机器可读证据，减少“出问题说不清”的交付风险。
意图与授权比对
语义与完整性检查
过程留痕与证据导出
不改模型，也能补上这一层。
在既有框架之上增加中立的自我操作层。
服务授权、审计、能力验证与后续演进。
跨模型与跨 Harness
可执行判据
能力边界记录
出了事，有一本可复核的账。
围绕授权、审计、接管与追溯建立可复验机制，而不是用安全口号替代责任。
私有部署边界
分级授权与人工接管
审计追溯与独立复验
行业名称表示可以讨论的场景范围，不等于已经公开的客户案例。
任何行业案例进入官网，都需客户授权、上线时间与验收证据。
05 / Boundary
The boundary is part of the design.
我们不承诺“什么都能做”。我们把不能做的写在前面——因为一个不敢划边界的系统，它的“能做到”也不值得相信。
15 条算法在 JSON 协议下结构性不可达。涉及 Map/Set、嵌套函数与正则，无法以 JSON 表达。
6 条算法的夹具字段不足，随包样例无法覆盖。
随包样例 906 / 927，修正夹具上限 912 / 927。绑定成功不等于数值语义正确。
L9 对抗式审查不自动通过。缺少人工或外部流程结果时，不允许声明完成。
平台适配是模板级验证。十一套适配器存在，不等于每个客户端都完成首启验收。
接入之后，模型不会变得更聪明，只会变得更难被滥用、更容易被检查。如果有人告诉你它同时提升了效果，请要求他给出复算方法。
06 / Difference
Not one more feature layer. The layer that was missing.
平台让智能能工作，框架让智能能执行。元构补的是另一组问题：该不该做、能不能管、做完算谁的、下次能不能更好。
表 3 五类方案的分工
| 方案类型 | 主要解决 | 仍然缺失 | 元构补位 |
|---|---|---|---|
| 平台内建治理 | 自家生态内的动作安全 | 跨平台中立与统一证据 | 跨模型、跨 Harness 的判据与证据层 |
| 治理文档与咨询 | 政策、流程与合规材料 | 直接运行、定位与复算 | 判据 → 运行时约束 → 可复算证据 |
| 身份与支付基础设施 | 谁在背后、如何结算 | 行为合规与能力验证 | 先让行为可治理；价值计量仍标规划 |
| Agent 框架与工具链 | 让智能能干活 | 该不该干、结果算谁的 | 在既有框架之上补授权、追溯与接管 |
| 标准与检测机构 | 权威判定与公开认证 | 可执行判据与测试方法供给 | 提供方法与可复算报告，由权威机构判定 |
元构不替代模型、框架、监管机构或检测机构。我们补的是它们之间关于授权、证据、演进与记忆的运行时层。
先看授权、意图与执行边界。
检查行动是否仍锚定原始意图。
检查语义、占位与内容完整性。
结论能否回到输入、过程与账本。
贡献、信用与分配是否有模型可依。
边界出现后，是否有受控的进化方法。
经验是否留存，并能被下一次调用。
是否敢公开方法、边界与做不到的事。
07 / FAQ
Thirteen questions, including the uncomfortable ones.
十三个问题，包括那些我们回答得不太好看的。
不是。这里讨论的是“关于智能的智能”——智能对自身的操作层。它不比参数大小，而是检查智能能否审视、约束、改变、衡量、记住自己。
治理是五元中最成熟、最先进入真实场景的一元，但不是全部。元认知负责审视，元进化负责改变，元计量负责衡量，元知识负责记住；五元共同构成完整能力图。
战场不同。模型厂商与框架主要解决“智能有多强、如何工作”，元构解决“智能能对自己做多少事”。目标是在既有模型与框架之上增加中立、可执行、可复算的一层。
看三层证据：判据能否写成可执行断言，运行时能否产生可定位结果，实测能否复跑。官网同时公开建成度与边界，不把在研、规划或候选生成写成已经统一交付。
不靠“权威自封”。判据要能写成可执行断言，结果要能被复算，方法要能接受第三方试用。是否能成为标准或认证，应由标准机构、检测机构与真实场景共同决定，元构不自行宣布。
不能这样假设。它们可能来自不同构建时点，代码、文档或工具实现存在差异。安装前必须分别核对版本、哈希、工具性质与验证记录；元构也不以“源码里存在”代替“公开分发包可用”。
认证层属于规划中的产品形态，必须联合有公信力的机构，并以真实试点、公开方法和第三方认可为前提。元构不把自我声明包装成权威认证。
设计原则是不索取客户数据主权，并支持围绕客户环境与私有部署讨论方案。具体数据是否出域、如何留存与谁能访问，必须在实际部署和协议中单独明确、单独验收。
自建可以更贴合自己的流程。元构提供的是可复用判据、跨模型与跨 Harness 的中立位置，以及能被第三方复核的证据方法。自己做得出，不等于天然具备跨平台、可复算与外部公信力；是否需要合作，应由具体场景判断。
平台更擅长自家闭环。跨平台中立、方法公开与第三方验证是否有长期空间，需要市场验证，元构不作“平台一定不做”的保证。我们能做的是把判据、执行与证据做深，并接受真实场景检验。
登记，而不是假装完成。近似实现需要披露限制，非确定性需要明确标识，不支持的输入应诚实拒绝，已知缺口进入公开边界。元构不承诺智能体不犯错，保留人类最终决定与异常介入。
现阶段不做垂直行业应用，也不以治理咨询人力为主要形态。元构希望守住方法与工具位置，不替权威机构和客户作最终判定；如未来合作结构变化，必须重新审视中立性与利益冲突。
不是。对外只采用可执行规则、可运行约束与可复算证据。符号建模或其他内部辅助方法不作为对外差异化主张；元构不做宿命论断，也不替代医疗、投资与法律决策。
08 / In Use
Three records from real pilots. Not endorsements.
三段来自真实试点的反馈。
第一次有人能告诉我，“这一步它本来不该做”。不是事后审计，是当时就拦住了。
某银行风控团队 · 试点 6 周
我们要的不是更聪明的模型，是能写进合规报告的东西。它给了我们证据链。
某制造业集团 IT 负责人 · 试点 4 周
最有用的是它敢说“这条判据我做不到”。这句话比十个功能都值钱。
某研究院 AI 平台组 · 共建 3 个月
装得上、验得过，才叫可用。装不上或验证不过，说明环境不满足，不是“应该可以”。
npm install -g metago-lifeform metago-lifeform install --platform claude-code metago-lifeform verify --platform claude-code
第三条会逐项输出检查结果：法则版本、平台措辞、MCP 配置段、技能目录。任何一项失败都会直接报出，不会以“部分成功”收尾。默认 Trae；也可通过 --platform 指定当前支持的平台。Agent Harness 核心按 MIT 开源，不以“通用 Agent 框架”为定位。
09 / Evidence
Less about what we have. More about what we proved.
V36.11–R141/R142 实测化阶段，把“声称可用”改造成“实测可用”：逐项对账、修正问题、登记边界，并保留可复跑路径。
表 2 发行与能力的实测记录，每一行都能在本机重新跑出来
| 项目 | 实测 | 复跑方式 |
|---|---|---|
| 发行不变量检查 | 98 项，全部通过 | release/verify_release.py |
| 发行包 | 8 个，哈希可核对 | verification.json |
| T3 handler 绑定 | 227 / 227 | t3-binding.json |
| MCP 工具 | 55 个 | mcp-tools.json |
| 自动化测试 | 555 项 | 508 通过 / 32 待办 ｜ 47 通过 |
| 对抗式审查 | 不自动通过 | l9-refusal.json |
证据口径：上述实测来自内部 R141/R142 事实源。源码仓库、便携包与 npm 分发可能不是同一构建；任何复现都必须先核对版本、哈希与对应证据包。
98 项发行不变量，每一次发版都必须全部通过，一条不过就不发。555 项自动化测试覆盖判据、执行、证据三层，任何改动都要重新跑。1705 份源码哈希，每个模块一份指纹，改一个字节就对不上。227·227 T3 绑定，判据与证据一一对应，不多不少。
指定实测范围 · 不代表所有场景
10 / Mechanism
Turning rules for machine behaviour into evidence anyone can replay.
元构引擎是一套三段式装置：先定义什么叫可托付的智能行为，再把定义变成运行时约束，最后留下可复核、可复算的记录。任何一次可以被托付的智能行为，都要回答三个问题。缺一层，链路就断。
请求先经过判据层命中规则集，再经过执行层的四道关卡，其中语义输出门可能把请求拦下；通过的部分写入证据层，形成一条可复算的记录。示意图，不是调用截图。
表 1 四道可定位校验；具体拦截位置以实际部署配置为准
| 关卡 | 检查什么 | 典型拦截 |
|---|---|---|
| 意图验证 | 验证目标是否明确、合法，并与真实需求一致 | 导出超出授权范围的数据 |
| 意图谱系追踪 | 检查当前行动是否仍与原始意图及其下游影响一致 | 在摘要任务中夹带转发 |
| 语义输出门 | 检查输出语义是否匹配意图，是否发生偏移 | 把“预计”改写成“保证” |
| 内容完整性 | 检查占位、缺漏与证据，形成可定位的校验结果 | 缺失三天数据仍出具季度结论 |
说明：规则提示型检查与代码级硬阻断必须区分；未接入宿主执行链路时，不宣称已经完成强制拦截。机制族另含七级决策权梯度、硬授权、能力包络线、四层安全基因与人类否决；可用状态以实际部署为准。
原始请求、调用方、数据范围与时间。
命中哪条规则，版本号是什么。
四道关卡各自的结果与拦截点。
一次决策一条记录，缺口留空。
哈希与签名，对应到证据包。
同一输入，重跑出同一结论。
一条结论，必须能够沿着这条链回到证据。
11 / Try It
Try it, then decide whether to trust it.
三个装置都能真实操作：跑一遍决策锁、用规则级输出门检查一段文字、量一次五元短板。每做一次，证据账本会多一条记录。
工具层建立使用与验证习惯，方法层沉淀判据与评测，认证层必须联合有公信力的第三方推进。每一层都标清当前状态。
决策锁为预设场景的流程演示；输出门为浏览器内的规则级检查，不等同于运行时硬阻断；五元自检为自我评估，不构成认证结论。演示不采集、不上传任何输入。
装置 01
同一个请求，换一种问法，结果可能完全不同。选一个场景，看四道关卡各自拦下什么。
请求把本周 4 条投诉摘要发给客服组
意图验证
尚未运行
意图谱系追踪
尚未运行
语义输出门
尚未运行
内容完整性
尚未运行
选一个场景，然后点“跑一遍”。
装置 02
这一段是真的在算。输入一句准备对外发布的话，它按六条规则逐条检查，并给出改写方向。
改写方向
装置 03
五个问题，各自回答“已经做到哪一步”。结论不看平均分，看最短板。
交付前先做一次自我检查，并记录查出的问题。
关键动作有明确的授权边界与拦截点。
失败样本会被沉淀成下次可用的规则。
能算清一次协作的贡献、成本与验收口径。
经验能被索引，并在需要时被重新调用。
自我操作上限
50/ 100
五项持平在中段。把任意一项拉低，上限会立刻下降——短板决定可托付程度。
决策锁为预设场景的流程演示；输出门为浏览器内的规则级检查，不等同于运行时硬阻断；五元自检为自我评估，不构成认证结论。演示不采集、不上传任何输入。
12 / About
A technology company, with a research brand as its bridge.
对外身份首先是技术公司；面向学术、标准与评测对话，使用类别级、学术中性的研究品牌。两者不改变元构五元的整体范围。
元构（MetaGO）研究并交付智能对自身的操作层，以判据、运行时约束与证据，让智能更可授权、可审计、可演进、可计价。
这是元构用于治理与评测方向的研究品牌，不是脱离公司的另一套业务叙事。
“治理”回答该不该做，“评测”回答做到没有；公司整体从事的仍是五元能力的研究与交付。
共建全息智能社会，共筑缤纷的智能原生世界。
这是长期方向，不是当前业绩。技术判断最终要回到人的发展、真实世界的秩序与可持续协作。
先定义什么算合规、可托付的行为，再让工程去满足它，而不是先堆功能、后补规则。
不是比较模型参数，而是研究智能如何审视、约束、改变、衡量与记住自己。
逐项对账、清零问题、明确边界。这项工作不聪明，但它让证据成立。
Criteria first, then let the evidence travel further.
形成智能体行为可治理性的判据框架与现状抽检报告，寻求院所、协会等伙伴联合发布。
推动可执行判据与验证方法进入团体标准、行业标准，让“通过”有公开、可复算的依据。
从行为治理扩展到演进层与计量层，逐步开放元进化运行时，并探索多方协作计量。
以上为对外路线目标，不构成时间、成果或认证承诺；以正式合作、发布与第三方验证为准。
版本区间指元构文档与实测阶段，不等同于 npm 当前公开安装版本；公开分发版本以 npm registry 为准。
明确宿主、数据、权限、场景与不承诺事项。
把需求写成可执行、可定位、可复核的判据。
区分规则提示、工具调用与代码级硬约束。
保存输入、过程、结果与必要的审计记录。
用真实样本复跑，由双方或第三方判断结果。
我们只做两种深度合作，其余按标准接入。如果你正在研究智能体行为判据、评测与验证方法，或者有一套希望接入授权、审计与证据机制的真实系统，我们可以从一次边界清晰、结果可复算的合作开始。
4 周 · 单场景 · 出第一份可复算证据
01 第 1 周 · 写判据
02 第 2–3 周 · 接执行层
03 第 4 周 · 出证据
3 个月 · 跨部门判据互认
01 第 1 月 · 判据对齐
02 第 2 月 · 双轨运行
03 第 3 月 · 联合发布
04 / 适用
13 / Credo
Make AI better
and bring it anywhere.
